Está en la página 1de 29

Marino Damián­Tesis Doctoral.

  Marzo de 2009

1-INTRODUCCIÓN GENERAL.

1.1-Concepto de medioambiente.

Los seres desarrollan su vida en un espacio físico rodeado por otros organismos y el
medio físico y socioeconómico. Los factores bióticos y abióticos interaccionan entre sí
generando un lugar propio y dicho espacio se denomina ambiente. La Conferencia de las
Naciones Unidas sobre Medio Ambiente en Estocolmo (1972) lo define como: “Medio
ambiente es el conjunto de componentes físicos, químicos, biológicos y sociales capaces de
causar efectos directos o indirectos, en un plazo corto o largo, sobre los seres vivos y las
actividades humanas”, citado en el libro “Agenda 21” de Foy (1998). 

En términos macroscópicos se suele considerar al medioambiente como un sector, una


región o un todo (escala global). En cada uno de esos niveles o alcances de estudio hay una
interacción entre los factores anteriormente mencionados, especialmente del aire, del agua o
del suelo como agentes abióticos y de toda una gran variedad de organismos animales y
vegetales, con distinto nivel de organización celular, como integrantes del mundo biótico
(Valverde et al., 2007).

La rama de la química que se ocupa del estudio de estos escenarios se denomina


Química Ambiental, para ello es necesario tener bien presente el concepto de Medioambiente,
y consecuentemente realizar una clasificación de compartimentos ambientales o esferas
ambientales, que interactúan entre sí experimentando intercambios continuos de materia y
energía (Echarri, 1998; Tyler Miller, 2007). Tradicionalmente se ha considerado al agua, al
aire, a la tierra y a la vida, es decir, a la Hidrósfera, a la Atmósfera, la Geósfera y la Biósfera,
donde se tenía a la actividad humana como una actividad de perturbación permanente en las
distintas esferas. Actualmente se ha incluido una quinta esfera denominada Antropósfera
(Manahan, 2007), la que involucra a todos los seres humanos y las actividades relacionadas
con su desarrollo y supervivencia (Figura 1.1.1). Esta visión moderna promueve al hombre
como parte del medio ambiente, además de incentivar a que las acciones ejecutadas por él, no
sólo minimicen el daño hacia el resto de las esferas, sino también que se puedan ejercer
acciones beneficiosas para todo el planeta.

En este contexto han surgido ramas de la ciencia dedicadas a estudiar en forma


integral al medio ambiente: Ecología, Ecotoxicología, Fisicoquímica Ambiental, Biología
Aplicada, que en conjunto con la Química Ambiental y las Ciencias Sociales, evalúan
permanentemente el estado poblacional, el nivel de contaminación y las metodologías de
diagnóstico y remediación ambiental, tal como lo indica Manahan (2007).


 
Marino Da octoral. 
amián­Tesis Do Marzo de 20009

Figura 1.1 Las cinco esf


sferas del am
mbiente. La materia
m y la eenergía se mueven
constantemeente entre estas
e esferas, como camppo de estuddio de la quuímica
ambiental. Tomado
T de Manahan
M (20007).

1.2-Ecossistema.

El clima, los suelos, las bacterias,


E b los hongos, laas plantas y llos animaless de cualquieer
lugar deefinido consstituyen junntos un ecosistema (P Pianka, 19882). Éste comprende
c la
comunidad biológicaa junto con sus ambiente físico (Bego on et al., 19999). McNau
ughton y Woolf
(1998) reesumen esas ideas definiiendo el cammpo de estud dio de la ecoología como “La ecología
es una ciencia
c ambiiental que trrata de desccubrir y commprender la forma, cóm mo actúan loos
factores ambientales sobre los organismos
o y cómo los organismos son capacees a la vez de d
modificaar su entorno”

. En un ecossistema se necesita,
n adeemás de loss factores bbióticos y ab bióticos, alggo
fundamenntal: una fuuente de eneergía (Odum m, 1992). Laa misma fluuye a través de todos loos
componeentes, mantieene la vida y moviliza ell agua, los minerales
m y otros
o componentes físicoos
(Tyler Miller,
M 1998). Esta accióón energéticaa, en nuestroo planeta,  prrincipalmentte es provista
por el sool. La movillización de estos
e compoonentes, se produce
p en forma perm manente en un u
ecosistemma, bajo un sistema cerrrado, conserrvativo, donnde se transffieren del aire al agua, al
suelo, a los seres vivvos y de estta manera laa materia see recicla, acoompañada ded un flujo de d
energía. Esos proceesos se enggloban bajo la denomiinación de “ciclos bioggeoquímicoss”

2
Marino Damián­Tesis Doctoral.  Marzo de 2009

(Butcher et al., 1992). “Los ecosistemas se estudian analizando las relaciones alimentarias,
los ciclos de la materia y los flujos de energía” (Heinrich, 1990)

Figura 1.2.1: Esquema de organización de un ecosistema. Desde las átomos hasta los
organismos superiores. Tomado de Echarri (1998)

1.3-Propiedades fisicoquímicas. Interacciones entre compartimentos.

Todos los compuestos químicos, tanto orgánicos como inorgánicos, están formados
por un conjunto de átomos variables en número y tipo. A su vez estas uniones atómicas
adoptan una distribución en el espacio según las leyes de la química convencional. Estas
características microscópicas se traducen en propiedades macroscópicas medibles, a las
cuales se les puede atribuir un número y una unidad. Al conjunto de esas magnitudes físicas
medibles, producto de las características químicas microscópicas, se las denominan
Propiedades Fisicoquímicas (Chang, 1997).

Desde el punto de vista ambiental, las más relevantes son aquellas que permiten
inferir el comportamiento en cada esfera ambiental de las distintas sustancias. Posiblemente
las más relevantes resulten el punto de ebullición (Pe) y la presión de vapor (Pv), ya que estas
permiten evaluar el comportamiento de una sustancia en la atmósfera; la solubilidad en agua
(S), para ponderar la interacción de los compuestos con hidrósfera y el coeficiente de
partición octanol-agua (Kow) que mide la capacidad de reparto de un compuesto químico
entre las fases acuosa y orgánica (Figurello et al., 2004); ayudando a estimar el grado de
interacción que puede tener esa sustancia con el tejido vegetal y/o animal a la hora de
atravesar membranas biológicas (Connell et al., 2005).


 
Marino Da octoral. 
amián­Tesis Do Marzo de 20009

Los distintoss estados dee agregaciónn de la matteria en el medioambieente están en


L e
permanennte coexisteencia, y nummerosos equuilibrios de reparto
r estánn puestos en juego en y
entere caada fase de la corteza terrestre, loos cuales esstán íntimammente vincullados con laas
propiedaddes moleculares de los distintos
d com
mpuestos (Doomènech y P Peral, 2006).

Figurra 1.3.1: Inteeracciones enntre los distinntos comparrtimentos ammbientales. Eqquilibrios


involu
ucrados en ca ada uno de elllos. Construíído a partir dee Domènech y Peral (20066)

1.4-Conttaminantes ambientales.
a .

Hasta mediaddos de los años


H a de 19660, la entrad da de nuevaas sustanciass químicas al
mercado se realizabaa sin mayorres requisitoos. Sin embaargo, a raíz del número o creciente ded
casos de enfermedad des crónicass asociadas con la entraada al ambiente de susttancias cuyoos
efectos adversos
a se desconocían
d , se reconocció que, antees de permitiir su comerccialización, se
s
debería evaluar
e las propiedades
p toxicológica
t as y ambienttales de las sustancias,
s para
p disminuuir
los riesgoos en la pobllación y protteger el equiilibrio ambieental (Foy, 1998).

La Sociedad
L d American na de Quím mica (Amerrican Chem mical Societty, ACS) es e
responsabble de llevvar un regisstro de estaas nuevas sustancias
s b
bajo el núm
mero de CA AS
(Chemicaal Abstract Service),
S sieendo esta unna identificacción numéricca que se les asigna a loos
compuestos a medidda que haceen su aparicción en la literatura.
l A la fecha ses encuentraan
registradoos alrededorr de cuarentta y cuatro mmillones de sustancias, ccon una tasaa de doce mil
m
registros diarios (CA
AS, databasee). Asimism mo la gran mayoría
m no tiienen ningúnn uso despuéés
de su desscubrimientoo (Fuente: Siitio web oficcial de la CAS: http://ww
ww.cas.org/).

4
Marino Damián­Tesis Doctoral.  Marzo de 2009

Para una sustancia nueva dependerá de su agresividad química/bioquímica la cantidad


necesaria para interactuar con el medio, para superar su umbral de tolerancia (Baran, 1995), a
estas sustancias se las conoce con el nombre de xenobióticos (xeno=extraño y bio =vida).
Conjuntamente las actividades antrópicas también pueden generar un aumento en la
concentración de algunas especies químicas presentes en el ambiente en forma corriente
(Biogénicos) (Tyler Miller, 2007). El Programa Nacional de las Naciones Unidas (PNUMA)
(Castañón del Valle, 2006) define como sustancias químicas de importancia mundial
"aquellas que se encuentran ampliamente diseminadas en el ambiente, en cantidades de
importancia, como resultado de su transporte a través del aire, el agua o las cadenas
tróficas, o porque están presentes en las mercancías que son objeto de comercio
internacional a gran escala". También se incluyen en este grupo las sustancias que sólo son
importantes en el ámbito local o regional pero preocupan a varios países.

Actualmente se ha incorporado al concepto de contaminantes a los agentes físicos y


biológicos, un ejemplo de los primeros puede ser el ruido excesivo (contaminación sonora),
la radiación, las ondas electromagnéticas; para el caso de los biológicos pueden citarse a los
desechos cloacales, los virus, las bacterias. Manahan (2007) define “En términos generales
entonces, puede considerarse a un contaminante como todo agente, físico, químico o
biológico que produce alteraciones en los equilibrios establecidos en y entre los
compartimentos ambientales o bien de una combinación de varios agentes en lugares, formas
y concentraciones tales que sean o puedan ser nocivos para la salud, la seguridad o para el
bienestar de la población, o bien, que puedan ser perjudiciales para la vida vegetal o animal, o
impidan el uso normal de las propiedades y lugares de recreación y goce de los mismos”.

Un caso especial de agentes químicos, de estrecha relación con la contaminación, son


aquellos que pueden encuadrarse en la definición de Tóxicos haciendo referencia a toda
sustancia que puede producir algún efecto nocivo sobre un ser vivo, alterando sus equilibrios
vitales tal como lo indican Bello y López (2001). Estos autores destacan a su vez, la
importancia de una rama de la toxicología que se dedica a investigar “lo que puede alterar el
equilibrio de un ecosistema y trata de cuantificar los efectos no deseables de los
contaminantes, su confirmación experimental y su mecanismo de acción” , esta definición es
retomada por otros autores bajo la denominación de Ecotoxicología (Capó Martí, 2007), más
aún, Repetto y Camean (2005), añaden a la definición que, además de los equilibrios y la
cuantificación, también estudia cómo “contribuir a la recuperación del trastorno producido
por la llegada de un tóxico al ecosistema”.   

1.4.1-Biomarcadores.

Según la definición ya clásica de McCarthy y Shugart (1990), los biomarcadores son


"medidas” en los niveles molecular, bioquímico o celular, tanto en poblaciones naturales
provenientes de hábitats contaminados, como en organismos expuestos experimentalmente a
contaminantes, y que indican que el organismo ha estado expuesto a sustancias tóxicas y la
magnitud de la respuesta del organismo al contaminante". Este concepto de biomarcador se


 
Marino Damián­Tesis Doctoral.  Marzo de 2009

fundamenta en que, para que los efectos de los contaminantes sean evidentes en el
ecosistema, el primer nivel de interacción es el molecular-celular. Este nivel de organización
es además el ideal para estudiar relaciones causa-efecto y los mecanismos de acción de los
contaminantes (Galloway et al., 2004; Depledge y Galloway, 2005).

Así, la propuesta o desarrollo de un biomarcador debe basarse en el conocimiento del


mecanismo de respuesta del mismo (Capó Martí, 2007). Otras características que los
biomarcadores deben poseer son la reproducibilidad, sensibilidad, especificidad,
reversibilidad, aplicabilidad en diversas especies, facilidad de uso y relación costo/efectividad
adecuado (Newman y Unger, 2003). Es fundamental que el tiempo de respuesta del
biomarcador sea corto (horas, días), de forma que éste pueda ser utilizado como "sistema de
alarma temprano" y puedan tomarse medidas de reparación antes de que el ecosistema se vea
afectado (Cajaraville et al, 2000). Si, además, el biomarcador muestra valor diagnóstico, éste
podrá ser entonces utilizado de forma predictiva (Long et al., 2004)

El análisis de biomarcadores de exposición y de efecto, normalmente, en combinación


con otras aproximaciones para la evaluación de la calidad del medio, como los análisis
químicos convencionales, los bioensayos y los estudios ecológicos a largo plazo, son un
instrumento clave para detectar el impacto de la contaminación sobre la salud de los
ecosistemas (Halbrook 1991; Peakall y Kennedy, 1999; Long et al., 2004; Depledge y
Galloway, 2005)

1.5-Etapas analíticas involucradas en las mediciones ambientales.

La gran diversidad química del medio ambiente requiere del desarrollo de


metodologías analíticas particulares y la adaptación de herramientas de la química analítica
convencional tal que ayuden a conocer tipo y cantidad, tanto de los componentes
mayoritarios como los trazas. Esta información es necesaria para comprender el “estado
químico” de un lugar, establecer el grado de impacto de la actividad antrópica, presencia y
niveles de contaminantes químicos (Baird et al, 2001)

Los contaminantes pueden repartirse entre el aire, el agua o el suelo en función de sus
propiedades fisicoquímicas, conforme a las leyes de reparto (Figueruelo et al., 2004). Esta
situación hace que deban enfocarse estrategias diferenciadas de análisis según cada matriz
ambiental. En términos generales pueden citarse las etapas bien conocidas de la química en
general: el muestreo, el análisis químico y la interpretación de resultados (Csuros, 1994;
Khopkar, 2004).

1.5.1-Muestreo.

En cuanto al muestreo, la esfera que requiere más cuidados a la hora de ser estudiada
resulta ser la atmósfera, por el manejo de gases y los niveles de dilución alcanzados en esta
matriz para los distintos compuestos (Keith, 1996; Khopkar, 2004), en la mayoría de los


 
Marino Damián­Tesis Doctoral.  Marzo de 2009

casos los niveles de detección instrumentales no pueden ser aplicados en forma directa por lo
que se requiere una concentración de los analitos por alguna operación cuidadosa de
concentración (Hess, 1996), esto se logra mediante el uso de soluciones absorbedoras en el
caso por ejemplo del SO2, NO2 y de dispositivos de adsorción generales y específicos,
llevando un volumen de varias decenas de litros a algunos mililitros, pueden estar
involucradas reacciones de derivatización durante el proceso de adsorción sobre un soporte
sólido activo, como por ejemplo los aldehídos y las aminas (Colls, 2002; Zhang et al, 2007).
Muchas sustancias están formando parte de la atmósfera sorbidas en el material particulado
en suspensión lo que necesita del diseño de dispositivos especiales que permitan la toma de
muestras minimizando la perturbación el tamaño de las partículas retenidas ni los equilibrios
de sorción-desorción existentes entre los analitos y el soporte sólido brindado por las
partículas, este es el caso de aplicación de impactadores de partículas de alto volumen,
utilizado para el muestreo de Hidrocarburos Aromáticos Policíclicos y sus derivados, Fenoles
y algunos metales presentes en la atmósfera (Hesketh, 1996)

En la hidrósfera las estrategias de muestreo principalmente se orientan a la


recolección de un volumen de agua transportable desde el recurso natural hasta el laboratorio,
tratando de direccionar esa recolección a distintas profundidades, para lo que se cuenta con
elementos que van desde dispositivos simples como una botella, o un recipiente que pueda
contener líquidos, hasta los más complejos como sondas para líquidos, o toma muestra de
fondo, independientemente de los sistemas de monitoreo in situ (APHA, AWWA, WEF,
1998). En la geósfera los muestreos están direccionados a los suelos y sedimentos, donde una
porción de ellos es recolectada y trasladada al laboratorio para su análisis. Para los suelos se
pueden tomar muestras mediante un barrenador, una calicata o simplemente una pala, para
los sedimentos la principal herramienta de muestreo es la draga (Keith, 1996).

En la toma de muestras de la biósfera nuevamente dependerá de la esfera química


relacionada con el material biológico a investigar y estas estrategias se vinculas íntimamente
con la especialidad de la ecología y ecotoxicología (Suter, 2000).

1.5.2-Análisis.

Existen numerosas técnicas analíticas con distintos objetivos, algunas de ellas apuntan
a caracterizar la muestra, a determinar los componentes mayoritarios que ayudan a una
especificación de rutina, de especiación, a la determinación de parámetros fisicoquímicos
predeterminados que cuantifiquen los distintos componentes de la matriz. El desafío se
presenta a la hora de la determinación de elementos o compuestos trazas, que generalmente
apuntan a conocer los niveles de compuestos que generan un impacto ambiental importante
aun en concentraciones muy bajas (algunas partes por billón son suficientes) y esto se debe a
la sensibilidad de los sistemas biológicos ante algunas sustancias (Zhang, 2007).


 
Marino Damián­Tesis Doctoral.  Marzo de 2009

Más allá de las técnicas puntuales, a lo largo de la investigación en química analítica


ambiental, se han podido sistematizar estas operaciones en una serie de pasos bien definidos
que pueden presentarse como (Barceló, 1993; Khopkar, 2004, Smith y Cresser, 2004; Harris,
2007)

¾ Extracción del analito desde la matriz de origen en función de propiedades químicas


generales (orgánicos polares, no polares, por grupos funcionales; inorgánicos, metales y no
metales), donde se aplican principios de separaciones básicos como liquido-liquido, líquido-
sólido, destilaciones, precipitación.

¾ Concentración, las fases provenientes de la extracción se someten a procesos de


reducción de volumen minimizando las pérdidas del analito, esto generalmente involucra un
proceso de evaporación con la ayuda de distintos dispositivos instrumentales según el tipo y
cantidad de solvente.

¾ Purificación o “clean-up”, luego de la concentración se procede a realizar lo que se


puede definir como una “segunda extracción”, pero en vez de ser general es específica. En
este paso la molécula objetivo se separa del resto de las presentes provenientes de la
extracción primaria sometiendo el extracto concentrado a un sistema de interacciones
específicas y selectivas, generalmente estas condiciones son reunidas por una técnica
cromatográfica a escala semipreparativa o extracciones con solventes activos.

¾ Análisis instrumental, el extracto purificado y concentrado se somete a alguna


metodología de identificación y cuantificación haciendo uso de los instrumentos disponibles
para tal fin: espectrofotómetros, voltímetros, cromatógrafos líquidos y gaseosos, etc. Todos
ellos permiten tener confirmación de presencia/ausencia y en caso de lo primero determinar
la cantidad presente con la mayor precisión y exactitud posible.

Todo analista debe tener presente que en cada una de estas etapas se produce una
pérdida del analito a causa de trabajar con operaciones que no son 100% eficientes ya sea por
el manejo del operador (evitable o reducible) o por las interacciones químicas intrínsecas en
cada etapa (inevitables) (Barceló, 1993). Esto obliga a un manejo cuidadoso de las muestras
ambientales en todo su proceso de análisis y a la determinación del factor de eficiencia (o
recuperación) en la metodología global para la consiguiente corrección de los resultados.

Existen en la literatura muchas normas y metodologías analíticas internacionales


publicadas que abarcan cada una de estas etapas, entre ellas pueden citarse a las normas de la
USEPA (United States, Environmental Protection Agency), de la ASTM (Analytical Standard
Testing Methods), para ambientes naturales y las de la NOSH (National Institute for
Ocupational Safety and Health), de la OSHA (Occupational Safety and Health
Administration) para ambientes laborales. Cada día se incorporan a las publicaciones
científicas casos particulares para el tratamiento de muestras ambientales, es el caso de
Environmental Research, Environmental Pollutions, Atmospheric Environment,
Chemosphere, Water Toxicology, Environmental Sciences and Technologies, Sciences of
Total Environment, Journal of Environmental Chemestry y tantas otras. Asimismo a nivel
nacional se encuentran las Normas Iram de amplia difusión y aplicación en nuestro país.


 
Marino Damián­Tesis Doctoral.  Marzo de 2009

1.5.2.1-Análisis Instrumental Moderno.

De todas las técnicas analíticas de uso corriente en laboratorio, para la medición de


residuos en el ambiente, probablemente las más ampliamente difundidas sean las
cromatográficas (De Brabander et al., in press), desde sus bases conceptuales a cargo de
Tswett (1905), Willstatter y Stoll (1913) y Martin y Synge (1941) hasta la cromatografía
líquida de ultra-resolución (Ultra Performance Liquid chromatography, UPLC), desarrollada
en los últimos años (Castro-Perez et al.,2005), por su versatilidad y rango de aplicaciones..

Conjuntamente a estas técnicas separativas se han desarrollado toda una serie de


dispositivos encargados de la detección de las sustancias, desde los más simples como un
sensor de conductividad hasta un espectrómetro de masas (Mass Spectrometry Detector,
MSD) (Siri, 1947; Eiceman, 2000). Este desarrollo instrumental ha mejorado notablemente
los límites de detección sobre muestras de interés ambiental al minimizar el manipuleo y
mejorar la selectividad y sensibilidad de los detectores empleados (Khopkar, 2004). El
surgimiento de la espectrometría de masas, donde la detección se realiza a través de la masa
molecular de la especie química en cuestión (McLafferty, 1993) y su acoplamiento con
sistemas de separación de avanzada como un cromatógrafo de gases (Gas Chromatography,
GC) o de líquidos de alta resolución (Higth Performande Liquid Chromatography, HPLC) ha
resuelto simultáneamente el problema del aislamiento y la identificación de los distintos
componentes de una mezcla (Oliver, 1998).

Los mayores avances tecnológicos en este campo están en la fusión de la


cromatografía líquida y la espectrometría de masas, la combinación de estas dos poderosas
técnicas de la química analítica dan la capacidad de analizar prácticamente cualquier tipo de
especies moleculares, incluyendo, térmicamente lábil, no volátil y de alto peso molecular. Se
ha dicho que más del 80% de especies orgánicas conocidas son susceptibles de separación
con cromatografía líquida (Snyder y Kirkland, 1991), asimismo la espectrometría de masas es
capaz de proporcionar la estructura, el peso molecular, fórmula empírica, y la información
cuantitativa acerca de un analito (McLafferty, 1993). El mayor desafío que afrontó esta
técnica fue la compatibilización de un espray líquido, proveniente del HPLC, con el alto
vacío y la fase gaseosa en la que funciona el MSD, con los inicios de la investigación en los
años 70`s, los primeros sistemas confiables surgieron 20 años después (Niessen, 1999)

Existen distintos tipos de interfases, para resolver los dos problemas principales que
plantea este tipo de conexión (Niessen, 2003):

a) eliminar la gran cantidad de gas, y vapor procedente de la fase móvil antes de entrar
a la región de alto vacío del MS; y

b) transformar las moléculas, en solución de la fase móvil, en iones en fase gaseosa,


sin que se produzca degradación térmica.

Siendo, a la fecha, las más comercializadas las denominadas de ionización a presión


atmosférica (Atmospheric Pressure Ionization, API), ellas son la electrospray (ES) o


 
Marino Damián­Tesis Doctoral.  Marzo de 2009

ionización química a presión atmosférica (Atmospheric Pressure Chemical Ionization, APCI)


(Niessen, 20036.

La muestra luego de pasar por la interfase/ionización ingresa al espectrómetro de


masas propiamente dicho para luego llegar al analizador de iones, donde se obtienen las
respuestas de masa/carga (m/z) de los iones formados. La energía de los iones es convertida
en una señal eléctrica, que es registrada por un sistema gráfico, analógico o digital,
obteniéndose: el tipo de ión (masa) e intensidad del mismo, proporcional a la concentración
(McLafferty, 1993). Estas respuestas están en relación a la separación analítica previa, por lo
que el otro parámetro que caracteriza al compuesto es el tiempo de tención (Kovats, 1958),
ésta terna de datos identifica y cuantifica al compuesto de interés con un alto grado de certeza
en la identidad y la concentración.

1.5.3-Interpretación de resultados

Con las determinaciones químicas de los componentes mayoritarios y el barrido de


una serie de parámetros relacionados con indicadores de contaminación, comienza un camino
de estudio e interpretación que involucra a distintas áreas de las ciencias teórico-
experimentales como pueden ser a la ecología, la ecotoxicología, la biología, la ingeniería, la
fisicoquímica y las estadísticas aplicadas. Cada una de ellas aporta una visión desde su
objetivo de estudio y en conjunto aportan al diseño de estrategias de remediación, de
contención y de seguimiento de diversas problemáticas ambientales, en base a:

9 resultados numéricos de las mediciones

9 observaciones generales del tipo descriptivas

9 desarrollo y validación de modelos teóricos y su compatibilidad con los hechos


experimentales

1.5.3.1-Métodos integrados de análisis de datos.

En la sistemática del análisis ambiental es corriente, que para una determinada


muestra, se realicen un conjunto de mediciones orientadas a generar un conocimiento
cualitativo y cuantitativo de los distintos componentes en el ambiente de estudio (Baird et al.,
2001; Manahan, 2007). Por ejemplo para un curso de agua superficial pueden medirse
parámetros generales como pH, conductividad, dureza, alcalinidad, y parámetros específicos
de contaminación como pesticidas organoclorados y metales pesados. En este caso, el curso
de agua, es el objeto de estudio y los parámetros medidos las variables métricas que lo
describen. Desde el formalismo matemático se dice que si se mide un objeto mediante n

10 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

medidas se obtiene un perfil métrico (un vector) de n medidas representándolo. Si luego cada
una de estas n medidas es usada por separado para hallar la media y el desvío estándar
poblacional, el vector del objeto es desmembrado y el objeto es perdido. Esta es la limitación
fundamental de la estadística univariada, no hay un vector real, o perfil, representando
objetos o grupos de objetos (Ramirez, 1999).

En los últimos veinte años, además de los métodos estadísticos convencionales, se han
comenzado a aplicar técnicas derivadas del análisis multivariado de datos a todo un conjunto
de disciplinas (Chandra et al., 2001; Chiu, 2002; Mirko, 2006), entre ellas, las ciencias
ambientales (Ballesteros-Grijalva et al., 1996; King y Jackson, 1999; Pineda-Torres et al.,
2002; Serita et al., 2005). La ventaja de la estadística multivariada reside en preservar los
objetos como un todo en forma integrada, un vector de medidas, y no un inventario de datos
independientes. Cualquier medida está en el contexto de las otras medidas del mismo objeto y
de otros objetos formando una matriz coherente. Es por esto que la matriz de covarianza es la
base matemática de estos análisis (Howells, 1969). Los análisis multivariados consisten en
crear nuevas variables que resumen la mayor parte de la variación del espacio y permiten ver
la posición de los objetos en unos pocos ejes (Howells, 1969), abarca las técnicas estadísticas
que consideran dos o más variables aleatorias relacionadas como una entidad produciendo un
resultado general según las relaciones entre ellas (Jackson, 1991; Hair et al., 1999).

En algunos casos suelen definirse a las técnicas multivariadas como una extensión de
las univariadas, por ejemplo la de regresión lineal múltiple como una extensión de la
regresión simple (Dillon y Goldstein, 1984). Existen, sin embargo, otra clase de técnicas
multivariadas, que si bien pueden ser empleadas para la inferencia estadística, tienen su
principal aplicación en el análisis de datos (Jackson, 1991).  Sus métodos analizan
conjuntamente las n variables medidas sobre un conjunto de p individuos u objetos. Las
técnicas estadísticas utilizan datos de conjuntos de variables medidas en múltiples objetos y
estos datos se escriben en forma de tabla o matriz, siendo procesados por medio de programas
computacionales (XLSTAT, STATISTICA, R) leyendo dicha matriz y operando con ella. Sería
impensable el desarrollo del Análisis Multivariado sin la ayuda de la Informática, pues dichos
métodos procesan, en general, gran cantidad de datos y a pesar de haber sido desarrollado en
los años 30, recién a fines de los 70´s (Manly, 1994).

Una primera diferenciación entre los distintos métodos se basa en los objetivos que
persiguen. Genéricamente, se distinguen cuatro posibles objetivos (Dillon y Goldstein, 1984;
Mainly, 1994)

a) Simplificación estructural: se trata de describir la información original de forma


sintética o resumida. El método consiste en condensar las n variables originales en un número
menor de nuevas variables creadas por el propio análisis, que contengan sin embargo gran
parte de la información original. A este tipo de objetivo, y de método, se denomina reducción
de la dimensión ya que los datos originales se expresan en un espacio de dimensión n
mientras que como resultado del análisis podemos expresarles en otro espacio de menor
dimensión m. Las nuevas variables creadas por el análisis se denominan ejes, factores, o
componentes principales. Son variables sintéticas, que estarán en función de las n variables

11 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

originales; generalmente, estos factores tienen una interpretación o significado que el


investigador debe descubrir. El Análisis de Componentes Principales (ACP), el Análisis
Factorial (AF), y el Análisis de Correspondencias (AC) son métodos de reducción de la
dimensión.

b) Clasificación o agrupación: estos métodos incluyen los de agrupamiento (Análisis


Cluster) y los de Segmentación. La agrupación de individuos consiste en formar grupos de
individuos homogéneos en cuanto a las n variables y heterogéneos respecto a los otros
grupos. La agrupación de variables busca la formación de grupos de variables similares en
cuanto a su comportamiento en un colectivo de objetos.

c) Análisis de interdependencia: se trata de buscar la interdependencia entre grupos


de variables, sin que a priori se suponga relación de causalidad entre ellas. El método más
conocido es el Análisis de Correspondencias, que es una generalización del Análisis de
Correspondencias Bivariante.

d) Análisis de dependencia: explica las relaciones entre grupos de variables, donde se


supone que unas pueden ser causas de otras. El Análisis de Regresión pertenece a este grupo
de métodos. Un tipo interesante de análisis de dependencia consiste en buscar un criterio que
permita separar o discriminar entre objetos pertenecientes a priori a grupos diferentes. Dicho
criterio es una función de las variables originales. En último término, se trata de usar los
resultados en el futuro para predecir a qué grupo pertenecen nuevos objetos que no formaban
parte de la información original y para los cuales se han medido las n variables. El Análisis
Discriminante (AD) y la Regresión Logística son métodos que persiguen este objetivo.

Estas herramientas, aplicadas al ejemplo de los cuerpos de aguas superficiales, pueden


ayudar por ejemplo a decidir cuáles son los parámetros más relevantes en cada región (Via
ACP) o si los ríos de una región pueden diferenciarse por lectura de algunos componentes en
particular (AD) (Topalian et al., 1999; Parinet et al., 2004; Busso y Santa Cruz, 2005; Lucas
y Jauzein, 2008)

Conjuntamente con la expansión de los análisis multivariados, han nacido nuevas


metodologías para el tratamiento de datos a partir del desarrollo de los sistemas informáticos.
Los esfuerzos estuvieron direccionados en imitar el funcionamiento del sistema nervioso del
ser humano, más específicamente en el sistema de aprendizaje, es decir de las neuronas y su
funcionamiento (Gurney, 1997; Haykin, 1999) asi surgen los sistemas de análisis de datos
denominados Redes Neuronales Artificiales (RNA o del inglés Artificial Neural Network,
ANN).
Desde el punto de vista biológico, una neurona consta de un cuerpo celular más o
menos esférico, del que salen una rama principal, el axón, y varias ramas más cortas,
llamadas dendritas. Una de las características de las neuronas es su capacidad de
comunicarse. En términos generales las dendritas y el cuerpo celular reciben señales de
entrada; el cuerpo celular las combina e integra y emite señales de salida y el axón transmite
dichas señales a los terminales axónicos, que distribuyen información o un nuevo conjunto de
neuronas (Shepherd, 1988). Una neurona se puede considerar como un pequeño procesador

12 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

de información, que recibe entradas, las procesa y devuelve salidas a otras neuronas y al estar
conectadas unas con otras, la salida de una es la entrada de la otra.
En los sistemas artificiales, las interacciones químicas, son reemplazadas por datos de
entrada y salida, que pueden ser bits, números enteros o decimales. Una función procesa estas
señales y devuelve el valor resultante a otras neuronas a las que está conectada (Haykin,
1994). Estas neuronas se agrupan formando capas, una de entrada, que recibe la información
desde el exterior, una oculta que procesa la información y una de salida, que devuelve la
información procesada al exterior ( Figura 1.5.3.1.1). De manera general, un sistema neuronal
artificial es un conjunto de funciones ponderadas, es decir que no todas las funciones tienen
el mismo peso en el cálculo, donde los resultados que emiten unas son tomados como datos
para procesar por las siguientes. La red utiliza datos externos que son cargados a modo de
validación sobre los cuales realiza el aprendizaje, este procedimiento es logrado mediante
distintos tipos de algoritmos predefinidos y ampliamente investigados (Hornik, 1993;
Nicolaos, 1993). Como cuando el ser humano ve una persona y luego la reconoce en una
foto, compara el ingreso de la imagen con un patrón de referencia previo, teniendo como
herramienta un mecanismo de aprendizaje para la asociación de imágenes).
 

Figura 1.5.3.1.1: esquema de una Red Neuronal, capa de entrada, capa


oculta o de entrenamiento y capa de salida.

Estos sistemas de procesamientos de datos has sido ampliamente adoptados por la


comunidad científica para predecir la ocurrencia de distintos eventos, para ver cual/es
variables son mas importante en estos procesos, para la elaboración de modelos de
reconocimiento/identificación. En el campo de las ciencias ambientales en los últimos 10
años han aparecido diversas publicaciones dedicadas a la investigación de contaminantes
ambientales (Gardner y Dorling, 1998; Maier y Dandy, 2000; Kolehmainen et al., 2001), la
relación con sus fuentes (Reich et al., 1999; Daniel y Sivakumar, 2009) y la elaboración de
modelos predictivos (Perez et al., 2000; Chelani et al., 2002) basados en redes neuronales
artificiales.

En un estudio ambiental, luego del muestreo, el análisis de laboratorio, la


optimización instrumental y el procesamiento de resultados, comienza la etapa de
interpretación de las mediciones, las posibles causas y efectos derivados, en base a distintas

13 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

propiedades fisicoquímicas de las sustancias y sus equilibrios de reparto, por lo que es


necesario apelar a herramientas propias de la fisicoquímica (Figueruelo et al., 2004).

1.6-Fisicoquímica y sus alcances.

El aporte químico en las evaluaciones ambientales involucra la descripción de los


eventos que ocurren en el ambiente, el conocimiento de las concentraciones de algunos
compuestos en los distintos compartimentos, la relación con sus propiedades fisicoquímicas
y los equilibrios involucrados en estos repartos, confluyen para tal fin áreas de la química
analítica y la fisicoquímica. Algunos lineamientos de la química analítica fueron descriptos
anteriormente resaltando las principales fases por las que pasa una muestra ambiental desde
el momento de la toma hasta el resultado final provisto por un número y una unidad. Los
fenómenos de reparto y su vinculación con las propiedades fisicoquímicas necesitan para su
descripción estrategias integradas de modelización y formalización matemática tanto de la
variante experimental como teórica, macroscópica y microscópica.

1.6.1-Fisicoquimica moderna. Fisicoquímica Teórica y las computadoras.


La fisicoquímica no ha quedado al margen de la revolución científica brindada por la
mecánica cuántica en los años 1900-1905 de la mano de Planck y Einstein, en las temáticas
vinculadas a la radiación del cuerpo negro y al efecto fotoeléctrico respectivamente (Einstein,
2002). En el año 1928 Dirac propone un desarrollo matemático, basado en los conceptos de
sus antecesores, que permitió explicar el comportamiento de las partículas descubiertas por
ese entonces entre ellas el SPIN (Dirac, 1962), así con 25 años de tradición y menos de tres
años de desarrollo nace una nueva ciencia: la mecánica cuántica con su formulación
definitiva.
Un nuevo mundo de investigación se abre a partir de estas nuevas herramientas, los
postulados y los teoremas establecidos permitieron interpretar las propiedades químicas
observadas en “primeros principios”, esto implicó conocer la información al máximo punto
de detalle. Las partículas se analizaron desde un comportamiento dual onda-partícula, y tras
amplios debates de la comunidad científica de la época a cargo de Heisenberg, Born, Jordan,
Schrödinger, Planck, Dirac y el mismo Einstein, estas “nuevas ideas” quedaron
definitivamente instaladas como una guía de trabajo para muchas ramas de las ciencias,
muchas de estas aplicaciones al campo de la química se muestran en la literatura básica del
tema (Glasstone, 1948; Levine, 1991; Szabo y Ostlund, 1996; Bort, 2001; Cramer, 2002;
Simons, 2003)
La principal dificultad, ampliamente resuelta por los investigadores de la época, de la
mecánica cuántica fue la complejidad matemática, no por la falta de ideas, sino por las
herramientas de cálculo numérico, el uso de tablas de cálculo, las estimaciones y
aproximaciones para facilitar los manejos numéricos. El nacimiento de las computadoras en

14 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

el año 1950, con la primera generación comercial de computadoras (aplicadas en el censo de


los Estados Unidos de América en el año1951), han favorecido notablemente las perspectivas
de aplicación y manejo de los conceptos cuánticos en todas sus potencialidades. Desde
entonces se han direccionado los esfuerzos en desarrollar cada vez equipos de procesamiento
de menor tamaño, de mayor capacidad de almacenamiento y respuesta y todo ello a un costo
de comercialización aceptable por el mercado. Todos coincidimos que esto está bien logrado
al día de hoy, desde la primer computadora con un procesador de1 60 m2 desarrollada por la
ENIAC (Electronic Numerical Integrator And Computer) a los actuales 0,06 m2 de la
notebook con la que se redacta este manuscrito, sin tener en cuenta las velocidades de
respuesta !.

1.6.2-Fisicoquímicaímica Computacional.

La química computacional está compuesta de dos grandes áreas basadas en principios


físicos distintos. Por una parte, la mecánica molecular (MM) que se basa en la mecánica
clásica, considerando los átomos como partículas puntuales (dotadas de masa y carga)
interaccionando unos con otros mediante enlaces que se asimilan mayormente a resortes. Por
otro parte, los métodos de estructura electrónica (MEE) basados en la aplicación de la
mecánica cuántica a los sistemas atómicos y moleculares (Eyring et al., 1944; Cramer, 2002).
Tanto la MM como los MEE permiten calcular un conjunto básico de propiedades, por
ejemplo la energía de un determinado arreglo de núcleos (conformación de la molécula), la
geometría óptima de un sistema molecular (es decir, el arreglo geométrico de los núcleos que
brinde la energía más baja) y otras propiedades moleculares como las frecuencias
vibracionales y el momento dipolar (Smith y Sutcliffe, 1997; Bort, 2001, Young, 2001).

Los distintos métodos dentro de la MM comparten el hecho de tomar sus fundamentos


de las leyes de la física clásica. Se diferencia en: (i) el tipo de ecuaciones que describen como
varía la energía potencial de una molécula con la geometría de sus átomos; (ii) el tipo de
átomos, es decir el tipo de características que definen a un átomo de número atómico dado en
el entorno molecular en el que se encuentre (con lo cual, un oxígeno carboxílico no es
equivalente necesariamente a un hidroxílico); y/o (iii) el conjunto de parámetros que ajustan
las ecuaciones aplicadas a los átomos definidos por su tipo, a los valores experimentales que
se emplean para la parametrización. Estos tres componentes definen lo que se conoce como
campo de fuerza y definen completamente un método de MM (Allinger y Burkert, 1982).

Los MEE, emplean la mecánica cuántica para estudiar el comportamiento de núcleos


y electrones (y no sólo núcleos como en MM) que se consideran como partículas puntuales
con carga y masa fijas e invariables, interaccionando según la ley de Coulomb. Los MEE se
dividen en tres grupos principales: ab initio, funcionales de la densidad y semi-empíricos en
función que no usen más que las constantes atómicas fundamentales o empleen datos
experimentales para parametrizar parte de los cálculos. Todos los MEE se basan en el planteo
y solución aproximada de la ecuación de Schrödinger (Namboori et al., 2008).

15 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

El modelo ab initio del Halmiltoniano provee una representación completa de todas


las interacciones no relativistas entre el núcleo y los electrones en una molécula. Sin
embargo, la solución a la ecuación de Schrödinger es necesariamente una aproximación cuyo
tiempo de cálculo es proporcional al número de electrones de la molécula. Muchos de los
cálculos ab initio se basan en la aproximación de los orbitales moleculares de Hartree-Fock
(Szabo y Ostlund, 1989). En general este método provee buenos resultados para la energía
electrónica total de la molécula. Otros métodos ab initio son ampliamente utilizados y
comercializados lo que permite el cálculo de correlaciones electrónicas de las moléculas de
una forma fácil. Hay que tener en cuenta que la mayoría de estos métodos no son prácticos y
fallan en la convergencia en el caso de moléculas mayores de diez átomos (Smith y Sutcliffe,
1997).

Los métodos ab initio Hartree-Fock y post-Hartree-Fock tienen el enorme


inconveniente de ser muy costosos desde el punto de vista computacional y,
consecuentemente, aplicables sólo a moléculas de tamaño reducido. El factor limitante en
este tipo de métodos es el tiempo necesario para calcular el gran número de integrales
bielectrónicas sobre las funciones bases y/o para transformarlas en integrales sobre orbitales
moleculares. Los métodos de la MM por el contrario, son aplicables a grandes moléculas,
pero no tienen en cuenta en forma explícita la estructura electrónica. Es por ello necesario
encontrar una metodología intermedia que permita tratar la estructura electrónica de las
moléculas de forma aproximada, sin los costosos requisitos de los métodos ab initio (Cramer,
2002).

Como métodos alternativos, se han desarrollado métodos semi-empíricos, estos


métodos están basados en la teoría de orbitales moleculares y usan simplificaciones que
reducen dramáticamente el tiempo de cálculo al eliminar gran parte o una parte de las
integrales mencionadas anteriormente (Thiel, 2000). Algunos parámetros se obtienen a partir
de los datos experimentales de los átomos y/o de los sistemas moleculares prototipos. Las
cargas, dipolos y longitud de los enlaces obtenidas por algunos métodos semi-empíricos son
más realistas que aquellas obtenidas con métodos ab initio de baja calidad (Janoschek, 1997).
Es necesario hacer notar que, los resultados obtenidos por diferentes métodos semi-empíricos
no son comparables de manera general, aunque dan tendencias similares (Karelson et al.,
1996).

1.7-Relaciones propiedad-actividad-estructura.

En su momento Dalton planteó: "Los compuestos químicos están formados por átomos
de más de un elemento. En cualquier compuesto, la relación entre el número de átomos está
establecida por números enteros o fraccionarios sencillos". Con el avance del conocimiento,
a la unidad que representa a un compuesto se le dio el nombre de molécula y asociada a ellas
aparece el concepto de materia. Es cotidiano que la materia se nos presente en tres estados:
sólido, líquido y gaseoso. Las magnitudes asociadas a estos estados son de carácter físico:

16 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

punto de ebullición, punto de fusión, presión de vapor, índice de refracción, etc., permiten
tener una idea del tipo e intensidad de interacciones energéticas entre las moléculas
intervinientes (Findlay et al., 1979).

De hecho, ocurre que estos parámetros varían regularmente según el tipo de compuesto
que se trate, cuando se estudian los compuestos sólidos formados por átomos de carbono e
hidrógeno, se observa un aumento de sus puntos de fusión conforme aumenta el número de
átomos de C en la molécula, a estos compuestos se los conoce con el nombre de alcanos, y
todo compuesto que responda con esas características químicas se dice que pertenece a la
familia de los alcanos (McMurry, 2000). Existen diversidad de familias de compuestos que se
agrupan según sus propiedades químicas citándose por ejemplo a los alcoholes (presentan H,
C, y obligatoriamente al grupo -OH en su estructura molecular), las aminas (conteniendo el
grupo –NH2, en su estructura molecular), los éteres (que resultan de la unión de dos grupos
alquilo al oxígeno R-O-R`) (McMurry, 2000)

Toda la química existente está formada por una conglomeración de familias de


sustancias, si averiguamos el tipo de reacciones que da una molécula desconocida y luego
cuantificamos sus propiedades macroscópicas podemos llegar a tener idea de al menos su
familia de pertenencia (Vogel, 1991). En química eventualmente es necesario conocer la
estructura que presenta esta molécula, entendiéndose por estructura a la disposición espacial
que ofrecen los átomos. Además al descifrar la estructura estamos encontrando una
explicación microscópica a una evidencia macroscópica. Volviendo al ejemplo de los
alcanos, experimentalmente se sabe que si bien los puntos de fusión aumentan conforme
aumenta el número de átomos de carbono, si se mantiene fijo el contenido de carbono y se
permutan las estructuras, las propiedades fisicoquímicas variarán de acuerdo a la interacción
espacial de la molécula (Fig. 1.7.1) (McMurry, 2000).

Por lo tanto es imprescindible conocer la estructura de una molécula para poder


definirla en su integridad. Estas propiedades asociadas a una estructura molecular, pueden
vincularse a través de distinto tipos de funciones matemáticas, que de alguna manera
“miden” estas relaciones propiedad-estructura. Esta sistematización del estudio se engloba
bajo la denominación de técnicas QSPR (del inglés Quantitative Structure Property
Relationships) (Hammet, 1933; Fredenslund et al., 1975; Kier et al., 1976; Joback et al.,
1987).

Figura 1.7.1 moléculas isoméricas de C4, misma composición, distintas propiedades


fisicoquímicas observables. 
17 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

QSPR

ESTRUCTURA PROPIEDAD

En los sistemas biológicos los conocimientos básicos indican que los cambios
estructurales de las moléculas definen en su acción sobre el organismo vivo, a esta acción se
la llama actividad, entonces en vez de establecerse relaciones entre propiedad estructura se
las trata como actividad-estructura QSAR.

QSAR

ESTRUCTURA ACTIVIDAD

1.7.1-Breve reseña histórica

Este proceso de cuantificación de la información estructural/molecular evolucionó a lo


largo de los años en una serie de etapas. La primera de ellas fue en el área de regresión
estadística con el desarrollo del análisis de los componentes principales (Hotelling, 1933), le
siguió el uso de propiedades físicas para describir una molécula y armar modelos tratando de
medir la calidad de la respuesta obtenida a partir de ellos (Hansh y Fijita, 1964). Al mismo
tiempo aparece una alternativa paradigmática para el modelado de propiedades físicas: la
teoría de orbitales moleculares (Kier, 1971), la cual intentaba combinar cuantificaciones
definidas, con estructuras que permitirían medir la calidad del nuevo modelo predictivo,
alcanzando su forma final con la innovación del uso de la metodología de los cuadrados
mínimos parciales (Wold y Sjostrom, 1974, 1998) que mejoró el peso estadístico de los
resultados.

Tomando como base la teoría de grafos se desarrollaron los índices topológicos para la
codificación las estructuras moleculares (Kier y Hall, 1976; Randic 1986; Trinajstic, 1992),
conjuntamente se adaptaron herramientas del álgebra lineal para la elección de las variables
más óptimas, cuyas componentes resulten ortonormales entre sí, las que se llamaron
Descriptores Ortogonales (Randic, 1991). Desde ese momento y hasta la fecha los avances
son tan veloces que resulta difícil enumerarlos, lo que sí se sabe es que los resultados
obtenidos, superan, en calidad y cantidad, a los que se hubieran imaginado los iniciadores del
sistema.

1.7.2-Indices topológicos.

En este modelo se describe a los átomos como puntos en el espacio asumiendo distintas
disposiciones relativas. La idea fue útil para describir la existencia de diversas estructuras con

18 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

el mismo tipo y relación de átomos (Wiener, 1947; Hosoya, 1971; Katritzky, 1993). Existen
modelos matemáticos que permiten cuantificar las relaciones propiedad-estructura, estas
representaciones teóricas aproximadas se basan en los índices topológicos, que permiten
caracterizar una molécula por un simple número.

La necesidad de representar estructuras moleculares por un número característico surge


del hecho de que la mayoría de las propiedades moleculares están descriptas por números
(números de átomos, longitudes de enlace, ángulo de enlace, etc.). En este paso existe una
pérdida considerable de información, acompañada de una ventaja importante: una molécula
de tres dimensiones puede ser descripta en una dimensión: su descriptor molecular
(Todeschini y Consonni, 2000). Sin embargo es sorprendente que la mayoría de la
información estructural relevante sea retenida en los índices topológicos (Wiener, 1947;
Castro el al., 2002). Una selección severa nos permite quedarnos con aquellos descriptores
que se ajusten con las reglas generales presentadas en la tabla 1.7.2.1 (Randic, 1992;
Balaban, 1988).

Tabla 1.7.2.1: Características que debe cumplir un descriptor para


ser aplicado en un modelo tipo QSAR/QSPR

1- Interpretación estructural directa.


2-Buena correlación con las propiedades moleculares
3-Buena discriminación de isómeros.
4-Localmente definidos.
5-Generabilizable.
6-Linelmente independiente.
7-Simplicidad.
8-No deben estar basados sobre propiedades físicas o químicas.
9-No deben ser triviales sobre otros índices.
10-Eficiencia de construcción.
11-Basados sobre conceptos estructurales.
12-Correcto tamaño de dependencia.
13-Cambio gradual con cambio gradual de estructura.

En cuanto al área biológica, puede resultar más conveniente trabajar con descriptores
moleculares como alternativa de los índices topológicos, ya que éstos son calculados sobre
una base de dos, tres o mayores dimensiones (Oprea, 2002) y tiene incorporado en su
construcción algunos efectos electrónicos y estéricos tridimensionales (Randic et al., 1988;
Randic, 1997; Randic et al., 2000), que resultan ser determinantes en un mecanismo de
acción biológica.

Las propiedades propuestas por Randic que se presentan en la tabla 1.7.2.1, que se
exigen que cumplan los índices, representan un muy alto nivel de significación .Los índices

19 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

presentes en la tabla 1.7.2.2 se aproximan a este ideal. Su punto más débil es la diferenciación
de isómeros a excepción del índice de Balaban.

Tabla 1.7.2.2: índice tipológicos más comunes usados en la metodología QSAR/QSPR

Índice topológico Símbolo Interpretación estructural Autor (año)


de Wiener W Suma de las distancias Wiener (1947)
de Hozoya Z Suma de uniones no adyacentes Hosoya (1971)
de Randic χ Suma de uniones ponderadas Randic (1975)
de Balaban J Suma ponderal de distancias Balaban (1982)
de Schultz MTI Suma de los elementos de una fila Schultz (1989)
de una matriz de valencia
de Hararay H Suma de los cuadrados de las Plavsic,Nikoliic,
distancias recíprocas Trinajstic (1991)

1.7.3-Conceptos elementales en la teoría de grafos.

La teoría de grafos es una rama discreta de la matemáticas basada sobre


fundamentos de combinatoria y topología. Esto habla de la forma en que los objetos
son conectados, englobando a su vez todas las consecuencias de tal situación (Harary,
1971; Cvetkovic et al., 1995)

Específicamente la teoría de grafos químicos es un área de la matemáticas


química, es decir de la química teórica. Estos grafos representan sistemas químicos,
donde teóricamente se evalúan todas sus posibilidades de unión y por ende todas las
consecuencias derivadas de ello (Bonchev y Rouvray, 1990; Barysz, 1983).
Matemáticamente hablando un grafo es la aplicación de un conjunto sobre sí mismo,
esto es, una colección de elementos de un conjunto y sus relaciones binarias,
conduciendo a espacios vectoriales de multidimensionales (Randic, 1986). Para un
químico el uso de dos dimensiones es suficiente: representado por un conjunto de
vértices y sus uniones. Un grafo G (Fig. 1.7.3.1) puede ser visualizado por un
diagrama donde los vértices son caracterizados por pequeños círculos y las uniones
por líneas o curvas. Cuando un grafo tiene sus vértices numerados se dice que esta
nivelado, como G.
5 6

1 2

Figura 1.7.3.1: Grafo G Muestra un diagrama de un grafo en dos dimensiones.

20 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

Químicamente un grafo se puede utilizar para representar una variedad de objetos:


moléculas, reacciones, cristales, polímeros y ¨clusters¨. Sus características comunes son la
presencia de determinados sitios y conexiones. Estos sitios pueden ser átomos, electrones,
moléculas, fragmentos moleculares, etc., y las conexiones entre ellos representan uniones,
pasos de reacción, fuerzas de Van der Waals, etc. Una clase especial de grafos químicos son
los grafos moleculares o constitucionales, ellos representan específicamente la construcción
de moléculas (Trinajstic, 1992).

1.7.4-Grafos moleculares.

Se pueden aceptar como grafos moleculares a aquellas disposiciones esquemáticas que


representan en forma concreta la estructura de una molécula. Distinguiéndose distintos tipos
de grafos, uno de los más usados por su simplicidad son los grafos de hidrógenos
suprimidos (Fig. 1.7.4.1), donde se representa la molécula de forma convencional
exceptuando en su esqueleto a los hidrógenos (Randic y Wilkins., 1979; Randic, 1992).

Dos grafos G1 y G2 se definen como isomórficos si existe una correspondencia unitaria


entre sus conjuntos de vértices y su conjunto de enlaces. Un invariante de un grafo G es una
cantidad asociada con G que tiene el mismo valor para cualquier grafo que es isomórfico
con G. Dado un grafo, la valencia de un vértice i es el número de uniones que lo vinculan a
otros vértices, a modo de ejemplo: si todos los vértices en un grafo regular tienen valencia
2, el grafo se vincula con un ciclo.

3 0 1 2 3 2
   
1 0 1 2 1
D (T) = 2 1 0 1 2
2  4 3 2 1 0 3
2 1 2 3 0


W =1/2 (8×1+8×2+4×3) =18
Figura 1.7.4.1: grafo de hidrógenos suprimidos y su aplicación al cálculo del
índice de Wiener (Wiener et al., 1947)

Los grafos pueden asociarse a su vez con matrices, ya sea de unión o distancia según un
espacio vectorial del álgebra lineal, el índice de Wiener consiste en la semisuma de los
elementos de una matriz distancia respecto a un punto dado (Wiener, 1947; Castro et al.,
2002). Aplicada esta operación a cada molécula de una familia dará origen a uno de los
conjuntos numéricos necesarios para el análisis matemático. El hecho de representar una
molécula por un grafo y luego buscar relaciones entre los vértices y uniones de ellos es una
forma de codificar la información. El uso de la teoría de grafos posee una ventaja potencial

21 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

de uso, ya que mientras los índices topológicos no son aplicables a estructuras


tridimensionales, la teoría de grafos puede ser extendida para calcular los denominados
descriptores 3-D, de importancia esencial en la actualidad para el modelado de actividades
biológicas, por ende farmacológicas (Kubinyi et al., 1998; Fontaine et al., 2005; Fernandes et
al., 2008).

Finalmente un modelo de QSPR se reduce a una expresión algebraica, funcional, que


muestra la correlación entre dos conjuntos de números, a saber: un conjunto representa las
propiedades macroscópicas y el otro las estructuras moleculares bajo estudio.

 F(x)
Propiedades Estructuras

Prop= f (estr)

Del análisis matemático de las posibles funciones surge un resultado sumamente


importante: a partir del conjunto ordenado de pares de datos (estructura, propiedad) y la
función que los relaciona, conociendo la estructura de una molécula de la familia, pueden
predecirse las propiedades macroscópicas desconocidas por simple codificación de su
estructura (Randic, 1991).

1.7.5-Descriptores cuánticos.
 

  Las propiedades fisicoquímicas de una molécula y aún su comportamiento en


reacciones o interacciones intermoleculares, son dependientes del contenido energético y de
las características tridimensionales de su estructura molecular, forma y tamaño. El rápido
avance en la tecnología de los ordenadores y el desarrollo de algoritmos eficientes, ha
facilitado la aplicación de nuevos métodos denominados semi-empíricos en el área de
química cuántica. Estos métodos intentan proporcionar información molecular con un coste
de cálculo reducido. Los métodos semi-empíricos han dado lugar a una fuente atractiva de
nuevos descriptores moleculares, los cuales pueden en principio, expresar todas las
propiedades geométricas y electrónicas de las moléculas y sus interacciones. Es por ello que
en trabajos recientes se emplean este tipo de descriptores, ya sea, solos o conjuntamente con
los descriptores convencionales 

El procedimiento implica los siguientes pasos: i) se calculan las geometrías


moleculares usando un método computacional conocido, generalmente se utilizan los semi-

22 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

empíricos por la relación existente entre el tiempo de cálculo y el grado de ajuste necesario
para este fin; ii) se barren las distintas posibilidades energéticas de las moléculas,
obteniéndose energías del HOMO, del LUMO; iii) estas energías se utilizan como
indicadores de propiedades internas de la molécula. También se suelen barrer las energías de
algún intermediario moléculas frente a distintas reacciones químicas. Existen metodologías
más complejas como las que necesitan de una medida de similitud cuántica molecular (MQS)
definida por Carbó-Dorca y colaboradores (Carbó-Dorca et al., 1988; 1998), es útil para
establecer medidas cuantitativas de semejanza entre las estructuras moleculares por medio de
la proyección de sus funciones de densidad. Las matrices de similitud cuántica molecular
(MQSM) están basadas en postulados mecánico-cuánticos y usan a la función de densidad de
primer orden como descriptor molecular, el cual provee una representación 3D coherente
(Amat et al., 1997; Amat et al., 1998; Carbó-Dorca et al., 1998).

Estos valores son usados como descriptores en estudios de QSAR (Amat et al., 1997;
Amat et al., 1998; Carbó-Dorca et al., 1998). Los descriptores moleculares para cada
compuesto se obtienen de la estructura molecular. Dichas estructuras son dibujadas con
ayuda de un software comercial, Hyperchem, Molecular Modeling Pro 3.01 (ChemSW
Software Inc.) y convertidas a estructuras 3-D cuando los cálculos así lo requieren usando el
Software CAChe (Oxford Molecular Ltd.) y Spartan Pro (Wavefunction, Inc.).

1.7.6-Estrategia general de trabajo en el desarrollo de un modelo QSPR/QSAR.

En QSAR/QSPR no existe una metodología “dura” de procedimiento, si bien existen una


serie de pasos con los que el operador se puede orientar. Estos no son determinantes en el
cálculo y permiten que los resultados obtenidos respondan a cierto perfil, sin necesidad de ser
elementales (Testa y Kier, 1964).

Se pueden citar como pasos iniciales de trabajo, la búsqueda de propiedades


fisicoquímicas o actividades biológicas y la elección del descriptor que se usará para
codificar la estructura, en principio la propiedad resulta ser la variable dependiente (sobre la
que no se puede tomar decisiones) y la variable independiente es el descriptor, de los cuales
existen en la literatura alrededor de 3000 aceptados y validados (Todeschini y Consonni,
2000). Para obtener buenos resultados deben separarse el conjunto de moléculas en dos
conjuntos de datos: conjunto de trabajo y conjunto de prueba, el primero será útil para
construir el modelo y el segundo para chequearlo, validarlo.

El paso siguiente consiste en encontrar una función matemática que vincule los datos del
conjunto de trabajo con los descriptores, la validez del mismo queda ratificada por los valores
estadísticos del r, S y el F, a continuación se aplica la ecuación al conjunto de prueba. Esta
etapa es decisiva ya que si los parámetros estadísticos clásicos S, F, r son aceptables, debe
cumplirse, como condición excluyente, que las diferencias entre los valores predichos y los
verdaderos estén dentro de un valor aceptable (en el caso de una propiedad puede ser la
incertidumbre instrumental o un múltiplo de la misma), si se cumplen con estas condiciones
se valida el modelo. De lo contrario hay que probar con diferentes funcionalidades

23 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

(exponentes enteros y fraccionarios, logaritmo natural o decimal del descriptor, inversa del
descriptor, etc.). Si repetido el proceso los resultados no son aun satisfactorios, se opta por
cambiar el descriptor, no la propiedades, ya que son el objetivo de trabajo (Randic, 1992).

En la actualidad existen diversos programas computacionales que permiten realizar


regresiones lineales, potenciales, exponenciales, logarítmicas, etc.; también pueden realizarse
regresiones multilineales donde un conjunto de variables métricas son correlacionadas
linealmente con una misma variable dependiente sin mayor dificultad (Ecuación 1.7.6),

∑ Ecuación 1.7.6.1

Resultaría poco útil detenerse a describir las operaciones anteriores, más aún cuando la
intervención del operador está limitada al ingreso de valores numéricos y las operaciones de
cálculo están facilitadas por la capacidad computacional. No ocurre esto con metodologías
matemático estadísticas con un mayor formalismo de manejo como pueden ser, la
ortogonalización de variables (Randic, 1991), los análisis multivariados (Eriksson et al., 2002)
y la aplicación de redes neuronales (Claycamp et al., 1999).

1.7.7-Estudios por Fragmentos moleculares.

Si se elije un grupo de moléculas pertenecientes a una familia química, ellas en


principio estarán conformadas por una estructura base, o un grupo funcional propio, variando
en el primer caso los sustituyentes y en el segundo los esqueletos químicos que acompañan al
grupo funcional. Estas variaciones repercuten en el valor de la propiedad/actividad de la
molécula y en la variación regular a lo largo de la familia (Hansch y Fujita, 1964). Otra
componente microscópica que influye en el valor de la magnitud observable resultan los
efectos estéricos, es decir la distribución en el espacio de los átomos como consecuencia de
las repulsiones electrónicas presentes y los volúmenes ocupados en el espacio en función
directa con el tamaño atómico (Unger y Hansh, 1976).
A partir de un importante banco de datos integrado por un gran número de moléculas
(Pomona Project) fueron Rekker y colaboradores (1977, 1979) los primeros en investigar este
tipo de influencias microscópicas sobre las propiedades macroscópicas y lo aplicaron al
cálculo de coeficientes de partición Octanol-Agua. A partir de datos experimentales
emplearon métodos estadísticos para ponderar la contribución de fragmentos simples como
C, CH-, CH2-, CH3-, OH- y NH2-, también las contribuciones de distintos tipos de esqueletos
carbonados C6H5-, C6H4-, etc , como una forma de considerar los sistemas aromáticos. De
esta forma puede plantearse la fórmula de Rekker´s como Ecuación 1.7.7.1

log ∑ ∑ Ecuación 1.7.7.1

24 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

Donde log P, representa la hidrofobicidad; es el número de ocurrencia del fragmento de


tipo n y b es el número de ocurrencia de correlación F de tipo m. Desde el punto de vista
formal este tipo de prácticas resulta ser una metodología semienpírica, tal que a partir de
medidas experimentales, se parametrizan las correlaciones con los distintos fragmentos para
la evaluación del segundo término sumatoria de la expresión.

A partir de este concepto se han desarrollado mejoras considerables al incluir


formalmente factores estructurales relacionados con: el tamaño (Kamlet et al, 1983; Leo y
Hansch, 1976), la unión, las interacciones intraatómicas (por Ej. Un grupo amino y un
alcohol en la misma molécula), los sistemas conjugados y los equilibrios tautoméricos, estas
inclusiones expandió la aplicación de este tipo de modelizaciones a distintos procesos
predictivos (Hansch y Leo, 1995).

1.8-Aplicaciones de los modelos QSAR/QSPR/QSTR.

Los primeros trabajos desarrollados en el campo de las relaciones propiedad


estructura fueron desarrollados por Hammet en el intento de establecer relaciones entre los
cambios estructurales de la molécula del acido benzoico y su reactividad, en el año 1935; en
el año 1964 Hansch y Fujita, realizan la primera aproximación en lo que se posteriormente se
dio en llamar toxicidad no específica al trabajar sobre los coeficientes de partición octanol-
agua.

Desde esta publicación a la fecha han transcurrido más de cuatro décadas, con una
gran expansión en la herramientas complementarias de trabajo: nuevas estrategias en el
cálculo de los descriptores moleculares, los algoritmos matemático-estadísticos (análisis
multivariados (Malinowski, 1991), redes neuronales artificiales (Zupan, 1998), programas
computacionales específicos y confiables y computadoras más rápidas y con mayor
capacidad operativa. La disciplina se aplicó a prácticamente toda la química de síntesis (Di
Santo et al., 2002; Mor et al., 2004), la bioquímica (Hansch y Leo, 1995; Benigni y Passerini,
2002; Ekins, 2007), en desarrollos tecnológicos e industriales (Durham y Pearl, 2001) y en el
campo de las ciencias ambientales (Hansch y Leo, 1995, Cai et al., 2008). Se encontró en
estas metodologías mucha potencialidad desde el punto de vista económico, al incluir un paso
previo en el diseño de productos según la predicción de sus propiedades/actividades por vía
computacional, para luego en una segunda etapa aplicar los procedimientos experimentales
sólo a las moléculas con mayores posibilidades de éxito. En otros casos se aplicó la
metodología QSAR/QSTR (Quantitative Structure Toxicology Relationships) para elaborar
bancos de datos toxicológicos sobre un gran número de moléculas y distintas especies, que
luego son utilizados a la hora de registrar nuevos productos (Ecetoc, 2003)

Así mismo son de especial interés, los efectos que puedan predecirse en el caso de las
mezclas de varios componentes, por los posibles efectos sinérgicos, aditivos o antagónicos
que puedan ocasionarse, en este aspecto recién en los últimos 5 años han comenzado a

25 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

aparecer publicaciones científicas dedicadas a este tema, con estudios sobre mezclas binarias
y ternarias (Young et al., 2002; Ekins, 2007)

1.8.1- Aplicaciones oficiales. 

En los ítems anteriores se han detallado temas vinculados al medio ambiente y las
metodologías del cálculo computacional aplicadas a la teoría QSPR/QSAR/QSTR. El
crecimiento de las problemáticas ambientales y las obligaciones reglamentarias sitúan a la
química en un contexto global y ecosistémico. Los organismos oficiales de los Estados
Unidos como la EPA, la FDA (Food and Drug Administration),el CDER (Center for Drug
Evaluation and Research), la OPS (Office of Pharmaceutical Science), el ICSAS (Informatics
and Computational Safety Analysis Staff) y europeos como la ECETOC (European Centre
for Ecotoxicology and Toxicology of Chemicals) han desarrollado o aprobado la aplicación
de programas computacionales con aplicación directa en la predicción de propiedades, que
van desde las fisicoquímicas generales, toxicidad en distintos organismos vegetales y
animales, con distintos niveles de organización, efectos sobre salud humana, aplicaciones a
carcinogénesis, mutagénesis y teratogénesis.En la Tabla 1.8.1.1 se presenta un resumen de las
aplicaciones desarrolladas por este tipo de programas computacionales y su capacidad
predictiva (Fuente: ECETOC, 2003).

Desde el punto de vista ambiental es de especial interés el conocimiento de la


velocidad de degradación y la distribución en los distintos compartimentos ambientales de un
compuesto químico, para evaluar la persistencia química y las especies biológicas más
afectadas en función de la biodisponibilidad (Richardson, 1996). En las tablas Tabla 1.8.1.2 y
1.8.1.3 se detallan los programas informáticos desarrollados para las aplicaciones ambientales
y de amplia aceptación tanto por los organismos oficiales como por la comunidad científica,
según ECETOC (2003).

26 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

Tabla 1.8.1.1: distintos tipos de predicciones realizadas por los programas computacionales que actualmente
se comercializan. Calidad de la predicción realizada ya sea sobre una propiedad fisicoquímica o una
actividad biológica.

Propiedades Predicción Ecotoxicidad y Predicción Salud Humana Predicción


Fisicoquímicas degradación
Ambiental
-Punto de Fusión Buena -Fotodegradación Limitado -Toxicidad oral Limitado
Aguda
-Punto de Ebullición Buena -Hidrólisis Limitado -Irritación de la Limitado
piel
-Presión de Vapor Muy Buena -Biodegradación Buena -Irritación de la Limitado
vista
-Coeficientes de Muy Buena -Bioacumulación Buena -Toxicidad Muy
Partición mamaria Limitado
crónica
-Solubilidad en Agua Muy Buena -Toxicidad aguda en Buena -Mutagénesis in Limitado a
peces vitro bueno
-Toxicidad aguda en Limitado -Carcinogénesis Muy
invertebrados Limitado
-Toxicidad aguda Limitado -Teratogénesis Muy
para algas Limitado
-Toxicidad aguda Limitado -Sensibilización Limitado
para bacterias de a piel
-Toxicidad Crónica Muy
Limitado
 

Tabla 1.8.1.2: Propiedades fisicoquímicas predichas por distintos programas


computacionales existentes en el mercado.

PROGRAMAS ACEPTADOS
EPIWIN ASTER SPARC ACD PREDICT
Punto de Fusión X
Punto de Ebullición X X X X X
Densidad X X X
Presión de Vapor X X X X
Solubilidad en
Agua X X X X
Kow X X X X
Constante de Henry X X X
Ka X X X
Tensión Superficial X X

27 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

Tabla 1.8.1.3: Propiedades ecotoxicológicas predichas por distintos programas computacionales


existentes en el mercado

   PROGRAMAS ACEPTADOS      
CATABOL-
   SRC MultiCASE TOPKAT ECOSAR ASTER OASIS
DESTINO y DISTRIBUCIÓN        
Degradación Abiótica          
*Fotólisis            
*Hidrólisis X       X  
*Oxidación
Atmosférica X          
Degradación Biótica          
*Aeróbica X X X   X X
*Anaeróbica   X        
Sorción X       X  
Bioacunulación          
Bioconcentración X       X  
TOXICIDAD : Especies/Ambiente        
Peces            
*Aguda X X X X X X
*Crónica       X    
Dafnia            
*Aguda     X X    
*Crónica       X    
Algas            
*Aguda/Crónica     X    
             
Terrestres       X    
Marinos       X    

La EPA ha desarrollado y difundido un programa que abarca tanto los aspectos


fisicoquímicos como ecotoxicológicos: EPI Swite (Version 4.0, actualizado Diciembre 2008),
que resulta ser un ejecutor de toda una serie de módulos ad on`s, entre los cuales se encuentra
el ECOSAR y el EPIWIN citados anteriormente, junto a otros auxiliares para el cálculo de
todas las propiedades citadas en las tablas anteriores. El Software dispone de una ventaja
importante, como el cargado manual de propiedades fisicoquímicas medidas en el laboratorio
del compuesto para realizar optimizaciones de correlación y los valores predichos resulten ser
más consistentes, ya que de alguna manera se acotan los parámetros de estimación por parte
del programa y los resultados son parametrizados en función de las aobservaciones
experimentales. Una ventana del programa se muestra en la figura 1.8.1.

A la hora de evaluar el estado de un ambiente es necesario poder describir sus


componentes y las relaciones existentes entre ellos, tanto desde la química como desde la
biología (Manahan, 2007). Esto incluye un relevamiento detallado de la flora y la fauna del
lugar, las características del suelo, el agua y el aire, la presencia/ausencia de posibles

28 
 
Marino Damián­Tesis Doctoral.  Marzo de 2009

sustancias contaminantes, la acción de las mismas sobre organismos blancos y su influencia


sobre la cadena trófica (Levin et al., 1989).

Figura 1.8.1: Ventana de manejo de los módulos ad on en el programa EPI Swite para el ingreso de
la molécula sobre la que se quiere saber sus propiedades químicas y toxicológicas.
Metodologías integradas para el relevamiento ambiental.

1.9-Objetivos e Hipótesis Generales de Ttrabajo.

En cada capítulo se presentarán los distintos objetivos específicos y las hipótesis que
sustentan el trabajo. En términos generales todo el trabajo de la siguiente tesis persigue el
objetivo general de “aplicar en forma integrada metodologías experimentales y herramientas
derivadas de la química teórico-computacional a compuestos orgánicos de relevancia
ambiental, para interpretar su comportamiento fisicoquímico y las posibles respuestas
biológicas derivadas de su presencia en el ambiente.”

Basado en la hipótesis fundamental de que “el análisis multivariado de datos,


conjuntamente con la modelización molecular, aplicados a observaciones
experimentales, contribuyen al desarrollo u optimización de metodologías para el
monitoreo y evaluación de impacto ambiental de contaminantes químicos.”

29